[發(fā)明專利]智能監(jiān)控環(huán)境下基于改進(jìn)yolov3的實時行人檢測方法及裝置

在審

• 申請?zhí)枺?/td>: 202011329405.1
• 申請日: 2020-11-24
• 公開（公告）號: CN112487911A
• 公開（公告）日: 2021-03-12
• 發(fā)明（設(shè)計）人: 查杭;楊波
• 申請（專利權(quán)）人: 中國信息通信科技集團(tuán)有限公司;武漢烽火眾智數(shù)字技術(shù)有限責(zé)任公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 北京匯澤知識產(chǎn)權(quán)代理有限公司 11228
• 代理人: 張濤

1.一種智能監(jiān)控環(huán)境下基于改進(jìn)yolov3的實時行人檢測方法，其特征在于，包括以下步驟：

獲取監(jiān)控場景下的行人圖像，對圖像中的行人目標(biāo)進(jìn)行標(biāo)注，將圖像按一定比例隨機劃分為訓(xùn)練集、測試集和驗證集；

對訓(xùn)練集、測試集和驗證集的圖像進(jìn)行預(yù)處理；

利用訓(xùn)練集對改進(jìn)后的yolov3算法進(jìn)行訓(xùn)練，所述改進(jìn)后的yolov3算法為在原始yolov3算法的基礎(chǔ)上對特征提取網(wǎng)絡(luò)、特征融合層、預(yù)測層進(jìn)行改進(jìn)后的算法；

通過測試集和驗證集來選取改進(jìn)后yolov3算法的最優(yōu)模型，并將其用于監(jiān)控視頻下的行人檢測。

2.如權(quán)利要求1所述的智能監(jiān)控環(huán)境下基于改進(jìn)yolov3的實時行人檢測方法，其特征在于，所述對訓(xùn)練集、測試集和驗證集的圖像進(jìn)行預(yù)處理具體包括：

對圖像進(jìn)行水平翻轉(zhuǎn)，顏色、亮度、對比度隨機變換，色溫變換，隨機裁剪的數(shù)據(jù)擴增操作。

3.如權(quán)利要求1所述的智能監(jiān)控環(huán)境下基于改進(jìn)yolov3的實時行人檢測方法，其特征在于，所述在原始yolov3算法的基礎(chǔ)上對特征提取網(wǎng)絡(luò)進(jìn)行改進(jìn)具體包括：

采用EfficentNet-B0特征提取網(wǎng)絡(luò)替換原始yolov3算法的DarkNet53網(wǎng)絡(luò)。

4.如權(quán)利要求1所述的智能監(jiān)控環(huán)境下基于改進(jìn)yolov3的實時行人檢測方法，其特征在于，所述在原始yolov3算法的基礎(chǔ)上對特征融合層進(jìn)行改進(jìn)具體包括：

將原始yolov3算法的特征融合層卷積系列中的1x1、3x3、1x1、3x3、1x1卷積層減少為1x1、3x3、1x1卷積層。

5.如權(quán)利要求4所述的智能監(jiān)控環(huán)境下基于改進(jìn)yolov3的實時行人檢測方法，其特征在于，所述在原始yolov3算法的基礎(chǔ)上對特征融合層進(jìn)行改進(jìn)還包括：

將原始yolov3算法的特征融合層的3x3普通卷積改進(jìn)為壓縮卷積。

6.如權(quán)利要求1所述的智能監(jiān)控環(huán)境下基于改進(jìn)yolov3的實時行人檢測方法，其特征在于，所述對訓(xùn)練集、測試集和驗證集的圖像進(jìn)行預(yù)處理具體包括：

根據(jù)圖像的實際長寬比，將原始輸入圖像的長和寬分別調(diào)整到32像素的整數(shù)倍，并將網(wǎng)絡(luò)輸入圖像尺寸由方形輸入調(diào)整為固定的矩形輸入的形式。

7.如權(quán)利要求6所述的智能監(jiān)控環(huán)境下基于改進(jìn)yolov3的實時行人檢測方法，其特征在于，所述在原始yolov3算法的基礎(chǔ)上對預(yù)測層進(jìn)行改進(jìn)具體包括：

改進(jìn)后的yolov3算法對于矩形圖像輸入，1/8、1/16、1/32三種尺度預(yù)測層中特征圖w和h方向的像素數(shù)分別為W和H，將三種尺度預(yù)測層的輸出大小分別改進(jìn)為W_S x H_S x 3x(1+4+N)、W_M x H_M x 3x(1+4+N)、W_L x H_L x 3x(1+4+N)。

8.如權(quán)利要求1所述的智能監(jiān)控環(huán)境下基于改進(jìn)yolov3的實時行人檢測方法，其特征在于，所述利用訓(xùn)練集對改進(jìn)后的yolov3算法進(jìn)行訓(xùn)練具體包括：

采用不同訓(xùn)練策略及優(yōu)化參數(shù)多次訓(xùn)練，得到多個模型文件。

9.如權(quán)利要求1所述的智能監(jiān)控環(huán)境下基于改進(jìn)yolov3的實時行人檢測方法，其特征在于，所述通過測試集和驗證集來選取改進(jìn)后yolov3算法的最優(yōu)模型具體包括：

在測試集測試單次訓(xùn)練過程中不同訓(xùn)練階段保存的模型的map指標(biāo)中，選擇map指標(biāo)最高的模型文件進(jìn)行保存；

在驗證集上測試保存的不同參數(shù)下模型的map指標(biāo)，取map指標(biāo)最高的模型作為最優(yōu)模型。

10.一種智能監(jiān)控環(huán)境下基于改進(jìn)yolov3的實時行人檢測裝置，其特征在于，包括：

圖像標(biāo)注劃分模塊，用于獲取監(jiān)控場景下的行人圖像，對圖像中的行人目標(biāo)進(jìn)行標(biāo)注，將圖像按一定比例隨機劃分為訓(xùn)練集、測試集和驗證集；

圖像預(yù)處理模塊，用于對訓(xùn)練集、測試集和驗證集的圖像進(jìn)行預(yù)處理；

改進(jìn)yolov3算法訓(xùn)練模塊，用于利用訓(xùn)練集對改進(jìn)后的yolov3算法進(jìn)行訓(xùn)練，所述改進(jìn)后的yolov3算法為在原始yolov3算法的基礎(chǔ)上對特征提取網(wǎng)絡(luò)、特征融合層、預(yù)測層進(jìn)行改進(jìn)后的算法；

模型選取模塊，用于通過測試集和驗證集來選取改進(jìn)后yolov3算法的最優(yōu)模型，并將其用于監(jiān)控視頻下的行人檢測。